AI助力传染病常态化精准防控
通过AI和大数据技术助力重大、季节性传染病综合防控工作,已不是梦想。记者3月19从南方科技大学(以下简称南科大)获悉,南科大与深圳市疾病预防控制中心(以下简称深圳市疾控中心)、深圳市智慧城市科技发展集团有限公司(以下简称深智城)联合,正在推动这一技术落地,从而实现重大传染病的常态化精准防控。
APP+推演平台助力精准防控
项目负责人,南科大研究员宋轩介绍,这套综合解决方案,包括一个部署在移动设备端的应用程序(以下简称APP),以及一套人流大数据和AI驱动的传染病传播模拟推演平台(以下简称推演平台)。
“手机端的APP可通过感知用户与他人的接触情况并分析各类城市环境大数据(如人流密度、空气质量、环境湿度温度等),实时评估流行性或重大传染病(如、季节性流感等)患病风险。”宋轩说。
而推演平台则是基于APP采集的数据,通过整合、处理和分析多模态人流出行大数据,结合AI算法,实现对流行病传播和感染人群细粒度建模及迭代训练,并输出相关的预测和模拟推演的可视化结果。
“有别于传的经验传播模型,本项目的核心算法模型完全由数据驱动,通过AI技术实现模型校准和调优。通过数据的累积和更新,模型可以不断迭代优化。”宋轩说。
基于海量实数据的反馈,推演平台还可定量评估不同防控措施的实施成效,为精准施策提供支持。宋轩举例,当再次出现新增病例时,为避免“一刀切”造成的资源无序调度及大规模损耗,可以通过模拟区域封锁,来定量评估封锁位置、封锁范围、封锁强度等因素对防控成效和经济的影响,从溯源手段、数据采集、成效评估等疫情研究全链条出发,为合理制定防疫措施提供科学指导。
对于如何保护用户隐私,宋轩介绍,该项目将在APP端运用多种先进技术保护用户隐私,用户全程无需提供任何个人信息,做到了正意义上的匿名化。
采集实数据训练校准模型
当前已有的传染病模型大多基于一系列假设条件及模拟数据构建,由于缺乏实数据的训练校准,模型的可性受到了一定程度的影响。
为了提升模型的鲁棒性与准确性,项目通过发起大规模志愿者实验,利用APP自主采集数据,为模型算法提供海量、实时、高频、精准的个体行为数据,从而更好地支撑疫情传播的建模和预测工作。
宋轩介绍,2020年12月31,三方正式启动项目——基于大规模志愿者空间交互实验的传染病传播模拟研究,探索常态化传染病精准防控综合解决方案,降低传染病传播风险,为的高效精准施策贡献力量。
“为了保证算法模型的精准性、可性,项目发起2个阶段的志愿者空间交互实验,收集实数据对模型算法进行校正调优。”宋轩说。
第一阶段于今年1月下旬在南科大校园进行,面向广生招募志愿者。志愿者下载APP后,在为期2周左右的实验里保持应用在后台运行并开启蓝牙。在封闭校园环境中采集的数据,测试硬件设备和APP端、服务器端以及算法的鲁棒性。
第二阶段于今年3月下旬在深圳全市范围进行,招募全市市民参与实验,旨在在更大的空间范围内进行传染病传播模拟研究。这项实验将基于更庞大的样本数量,更多样的城市场景和社群类别以及更复杂的样本环境,测试硬件设备以及算法的鲁棒性,实现特定样本规模下的全市风险精准评估。
宋轩介绍,通过本次实验验证的相关算法模型,将被用于探索更为经济科学和精准的传染病综合防控方案。
“通过APP端的数据采集和推演平台的算法模型校正调优,南科大与深圳市疾控中心、深智城以数据为核心、以科技为手段,将发动全市力量共同推进重大传染病精准防控研究,打造常态化精准防疫‘深圳样板’,助力城市治理更加科学化、精细化、智能化。”宋轩说。
本文由程序自动从互联网上获取,其版权均归原作者所有,文章内容系原作者个人观点,不代表本站对观点赞同或支持。如有侵权,请联系删除。